密码学在网络信息安全中的应用

现代计算机网络面临着信息泄露、黑客攻击、病毒感染等多种威胁,使用密码学可以保障信息的机密性和完整性．防止信息被篡改、伪造。本文概括介绍了密码学在现代网络信息安全体系建设中的地住,同时对如何合理的利用密码学技术来保障网络信息安全进行了分析。     

仿生算法在信息安全中的应用研究

本文介绍了仿生算法的基本概念,仿生算法在密码学组件设计,密码分析,安全协议设计,入侵检测与人工免疫系统的一些应用,分析了这些方法的优缺点。     

加密算法及其在网络信息安全中的应用

通过对加密算法的介绍,指出解决网络信息安全的关键就是信息加密技术,其核心就是使用加密算法对信息进行加密。以ARSA和AES加密算法为例,给出他们在数字签名、无线网络和电子支付中的应用。     

浅谈VB.NET的密码算法及其在信息安全中的应用

本文介绍了Microsoft的最新开发工具VisualBasic2005(简称VB.NET)中与密码算法相关的System.Security.Cryp-tography命名空间(简称SSC)。举例说明了利用SSC提供的类编写信息安全程序的方法,其中包括对称加密、非对称加密和数字签名算法的编程。     

DNA计算在信息安全中的应用

随着Internet的飞速发展,计算机技术的应用走进千家万户和大中小企业,开放的信息系统必然存在众多的安全隐患,信息安全防范备受关注,与此同时,新兴的智能计算方法的研究也逐渐被应用到信息安全防范中来.本文介绍了当前DNA计算方法在信息安全中的应用,阐述了其工作原理和特点,同时对DNA计算方法的发展进行了展望.     

Wolfram Alpha在网络信息安全课程中的应用

网络信息安全是计算机相关专业的一门重要课程,其中的密码学部分涉及到数论的相关知识,抽象而难以理解.Wolfram Alpha是一款在线知识型搜索引擎,兼具强大的功能和良好的易用性.文章介绍网络信息安全课程涉及到的基础数论知识,结合实例展示用Wolfram Alpha解决相关问题的方法,以期通过Wolfram Alpha的使用来提升教学效果.     

信息安全密码学

信息安全主要包括系统安全及数据安全两方面的内容。系统安全一般采用防火墙、病毒查杀、防范等被动措施;而数据安全则主要是指采用现代密码技术对数据进行主动保护,如数据保密、数据完整性、数据不可否认与抵赖、双向身份认证等。 密码技术是保障信息安全的核心技术。密码技术在古代就已经得到应用,但仅限于外交和军事等重要领域。随着现代计算机技术的飞速发展,密码技术正在不断向更多其他领域渗透。它是集数学、计算机科学、电子与通信等诸多学科于一身的交叉学科。密码技术不仅能够保证机密性信息的加密,而且完成数字签名、身份验证、系统安     

网络信息安全中密码算法的应用研究

当今是科技信息时代,计算机网络技术已渗透到社会的方方面面,成为推动现代文明进程的重要因素。但随之产生的网络安全问题也日益显现,强调了网络安全技术的不断更新与构建。本文对数据加密技术进行了综述,并着重阐述了两种典型加密算法,旨在强化对密码算法的认识,为今后相关领域的研究提供一定的参考资料。     

基于遗传算法的网络信息安全过滤系统设计

为有效过滤不良信息,笔者提出基于遗传算法的网络信息安全过滤系统。首先,组建数据过滤整体框架,集中解析信息参数;其次,设计防火墙控制电路,匹配规则接口;最后,定向接收网络信息数据流,基于遗传算法获取传输时延,多层次过滤信息内容。测试结果表明：该系统均能够有效过滤网络中出现的黑名单地址、非法关键词以及文本内容,保证用户的网络运行安全。     

一种遗传模糊聚类算法及其应用

研究一种基于遗传算法的模糊聚类方法,即将遗传算法得到的聚类中心作为模糊C-均值（FCM）聚类算法初值,这样既可以克服FCM算法对初始中心敏感的缺点,也可以解决遗传算法只能找到近似解的问题。将算法用于通信信号的星座聚类,根据聚类有效性函数自适应地确定聚类中心,并完成信号类型的识别。仿真实验证明,当存在较小的定时误差时,算法对PSK和QAM信号仍然是有效的。     

基于梯度信息指导交叉的遗传算法

针对基本遗传算法在解空间中盲目选取交叉个体,导致算法在后期搜索能力差、收敛速度慢的缺点,提出了一种基于梯度信息指导交叉的遗传算法。该算法通过确定当前种群中目标个体的最速下降方向,选取该方向下的一个有效范围,在该有效范围内选择个体与目标个体进行交叉操作,使交叉后的子代不断向最优解靠近,有效地保证了交叉操作的目的性和可行性。四个典型测试函数的仿真实验表明,该算法显著加快了遗传算法的寻优速度,提高了遗传算法定位最优解的精度。     

基于遗传算法的模糊聚类研究及其应用

为了克服传统聚类算法对初始化敏感的缺点，提出了一种基于增强型遗传算法的模糊聚类方法。它把遗传结束的准则与传统算法的终止准则有机地结合起来，不仅提高了算法的聚类分析性能，也提高了算法的收敛速度。比盲目的搜索效率要高，也比专门的针对特定问题的算法通用性强。通过在国内一家大型乳业集团的HRM系统中的成功运用，说明了该算法的有效性和通用性。     

影响图及遗传算法的私人信息推测

市场竞争中,准确推测竞争对手的私人信息对于竞争者掌握竞争的主动权具有重要意义。以影响图作为竞争对手的决策模型,以对手的目标是使整体决策的总期望效用最大,而不仅仅是使每一步决策获得最大效用为准则,根据所观测到的竞争对手的决策行为,利用遗传算法推测对手的自然信息、决策信息或效用信息。实验结果表明,所提方法是正确有效的。     

基于遗传的装配线平衡系统研究

给出了用于求解装配线平衡的遗传算法。在此基础上,分析了装配线平衡系统的功能和工作机理。并采用面向对象语言开发了装配线平衡系统。最后将此系统用于某装配线的平衡,并依据平衡结果进行仿真,证明该算法效果较好。利用该系统可以有效地解决装配线平衡问题,大大降低成本,为提高装配线的生产效率和改进装配线提供了技术依据。     

结合模糊聚类的遗传算法在网络信息过滤中的应用

在基于遗传算法的信息过滤系统中引入模糊聚类思想,对种群中的每个个体进行模糊相似矩阵直接聚类,然后根据聚类的结果采用所提出的适应度函数来评估种群的适应度,通过迭代训练得出更准确的用户兴趣模板,从而提高了信息过滤的准确率。并且将该方法应用到了所设计的网络信息过滤系统中,进行了验证。     

基于均匀设计的GEP算法研究与应用

提出了一种基于均匀设计的基因表达式编程算法(UGEP),该算法对经典的GEP算法做了以下改进：利用混合水平均匀表的构造对初始种群的产生进行改进,保证了解分布的均匀性;引入自适应多亲杂交算子,用均匀优化代替随机进化。从理论上分析并证明了UGEP更具有全局收敛性,且收敛速度也优于经典的GEP。试验结果也证明,在求解函数拟合和时间序列预测等实际问题时,对比同类算法,UGEP算法体现出了较大的优越性。     

融合AntNet与遗传算法的动态网络路由算法

提出了一种新的动态分布式网络路由算法。在AntNet算法中引入了路径遗传运算(GA),提出了新的信息素更新策略。对蚂蚁发现的路径进行染色体编码,并用适应度函数对其进行适应度评价,通过路径交叉和路径变异运算以及种群的不断进化,来提高解的质量。仿真结果表明,所提出的算法能快速收敛,且有效地提高了网络吞吐量、降低了平均延时。     

改进的蚁群遗传优化算法及其应用

针对当前移动机器人的一些路径规划算法存在的局限性,提出了一种基于改进蚁群优化和遗传优化的融合算法。利用改进的信息素更新技术和路径节点选择技术使算法尽快找到优化路径,来形成融合算法的初始种群,机器人每前进一步,蚂蚁就对局部路径重新搜索,并处理随机出现的障碍物;然后利用遗传算法(GA)对种群个体进行全局优化,从而能使机器人沿一条全局优化的路径到达终点。仿真结果表明了该融合算法的可行性和有效性。     

基于遗传算法和自组织特征映射网络的文本聚类方法

自组织映射(SOM)算法作为一种聚类和高维可视化的无监督学习算法,为进行中文Web文档聚类提供了有力的手段。但是SOM算法天然存在着对网络初始权值敏感的缺陷,从而影响聚类质量。为此,引进遗传算法对SOM网络加以优化。提出了以遗传算法优化SOM网络的文本聚类算法（GSTCA）;进行了对比实验,实验表明,改进后的算法GSTCA比SOM算法在Web中文文档聚类中具有更高的准确率,其F-measure值平均提高了14%,同时,实验还表明,GSTCA算法对网络初始权值是不敏感的,从而提高了算法的稳定性。